基于改进DeepLabv3plus算法的遥感图像海岛建筑提取方法

摘要：

目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要.机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端.文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化(GN)方法替代批归一化(BN)以适合小batch size下的语义分割操作.针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验.结果 表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果.

关键词：DeepLabv3plus;样本自动标注;海岛建筑;语义分割;迁移学习

所属期刊栏目：41

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金51908523

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：834-844